Bài báo khoa học Tập 67 Số 10 04/11/2026

ĐÁNH GIÁ TÍNH KHẢ THI CỦA QUY TRÌNH TẠO GỢI Ý ĐỐI CHIẾU CHỈ ĐỊNH THUỐC VỚI MÃ ICD-10 LÀM CƠ SỞ CHO THẨM ĐỊNH Y LỆNH

Nguyễn Nhật An, Lê Trung Lâm
DOI: 10.52163/yhc.v67i10.6981
12 Lượt xem
0 Lượt tải xuống
Tóm tắt

Mục tiêu: Đánh giá tính khả thi của quy trình tạo gợi ý đối chiếu chỉ định thuốc với mã ICD-10 làm cơ sở cho thẩm định y lệnh.

Đối tượng và phương pháp: Nghiên cứu mô tả cắt ngang, phân tích 15.844 mã ICD-10 và chỉ định của 1163 hoạt chất. Hai dược sĩ lâm sàng đánh giá độc lập 150 gợi ý được chọn ngẫu nhiên.

Kết quả: Cấu hình 6 tạo 503 gợi ý cho 260/597 hoạt chất (43,5%). Trong 501 gợi ý so sánh được với chuẩn sơ bộ, 65,3% trùng mã đầy đủ và 79,3% trùng mã nhóm ICD-10 ba ký tự. So với phương pháp ban đầu, số gợi ý giảm từ 880 xuống 503, còn phạm vi hoạt chất tăng từ 33,7% lên 43,5%. Giữ dấu tiếng Việt cho tỷ lệ trùng mã đầy đủ 61,4%, so với 0% khi bỏ dấu. Với 112/150 cặp chỉ định - mã ICD-10 (74,7%; KTC 95%: 67,2-81,0), cả hai dược sĩ cùng chọn mức 1. Đồng thuận hoàn toàn đạt 78% (KTC 95%: 70,7-83,9); Kappa 0,176 (KTC bootstrap 95%: 0,015-0,341).

Kết luận: Cấu hình 6 tạo danh sách gợi ý, đa số cặp được hai dược sĩ cùng chọn mức 1. Kappa thấp cho thấy cần chuẩn hóa tiêu chí và bổ sung bối cảnh dược lâm sàng. Nghiên cứu chưa đánh giá mức độ bao phủ các chỉ định hoặc hiệu quả lâm sàng.

Từ khóa
Chỉ định thuốc, mã ICD-10, thẩm định y lệnh, dược sĩ lâm sàng, xử lý ngôn ngữ tự nhiên.
Tài liệu tham khảo
[1]
[1] Pharmaceutical Care Network Europe. PCNE Classification for Drug-Related Problems, version 9.1. Zuidlaren: PCNE, 2020. https://pcne.org/working-groups/pcne-working-group-on-drug-related-problems/ Google Scholar
[2]
[2] Nguyễn Khánh Huyền và cộng sự. Đánh giá vai trò của dược sĩ trong quy trình duyệt sử dụng thuốc nội trú: một nghiên cứu định tính tại Bệnh viện Trung ương Quân đội 108. Tạp chí Y học Cộng đồng, 2025, 66 (CĐ 9): 129-137. doi: 10.52163/yhc.v66iCD9.2691. Google Scholar
[3]
[3] Nguyễn Thành Hải và cộng sự. Hiệu quả của việc quản lý tương tác thuốc tim mạch - bệnh trên bệnh nhân điều trị nội trú thông qua phối hợp hoạt động dược lâm sàng và hệ thống cảnh báo trên phần mềm kê đơn (HIS) tại Bệnh viện Đa khoa Xanh Pôn. Tạp chí Y học Việt Nam, 2023, 525 (1A): 302-307. doi: 10.51298/vmj.v525i1A.4998. Google Scholar
[4]
[4] Pairman L et al. Indication-based prescribing and prescribing with indications, effects on documentation, medicines use, and clinical outcomes: a systematic review. Int J Med Inform, 2026, 207: 106209. doi: 10.1016/j.ijmedinf.2025.106209. Google Scholar
[5]
[5] Bộ Y tế. Thông tư số 06/2026/TT-BYT, ngày 02/4/2026, quy định về mã hóa bệnh tật, nguyên nhân tử vong theo ICD-10. Google Scholar
[6]
[6] Nguyen Minh Hiep et al. Building resources for Vietnamese clinical text processing. Computación y Sistemas, 2018, 22 (4): 1287-1294. doi: 10.13053/CyS-22-4-3074. Google Scholar
[7]
[7] Nguyễn Nhật An. Giáo trình Xử lý ngôn ngữ tự nhiên (dùng cho đào tạo nghiên cứu sinh ngành Cơ sở toán học cho tin học). Viện Khoa học và Công nghệ quân sự, Bộ Tổng Tham mưu, Quân đội nhân dân Việt Nam, 2024. Google Scholar
[8]
[8] Frantzi K et al. Automatic recognition of multi-word terms: the C-value/NC-value method. Int J Digit Libr, 2000, 3 (2): 115-130. doi: 10.1007/S007999900023. Google Scholar
[9]
[9] Vo Chau et al. Automatic medical term extraction from Vietnamese clinical texts. Terminology, 2022, 28 (2): 299-327. doi: 10.1075/term.20037.vo. Google Scholar
[10]
[10] Okazaki N et al. Simple and efficient algorithm for approximate dictionary matching. In: Proceedings of the 23rd International Conference on Computational Linguistics. Beijing, China, 2010: 851-859. https://aclanthology.org/C10-1096/ Google Scholar
[11]
[11] Soldaini L et al. QuickUMLS: a fast, unsupervised approach for medical concept extraction. In: Proceedings of the MedIR Workshop, SIGIR 2016. Pisa, Italy, 2016: 1-4. Google Scholar
[12]
[12] Wang Q et al. A study of entity-linking methods for normalizing Chinese diagnosis and procedure terms to ICD codes. J Biomed Inform, 2020, 105: 103418. doi: 10.1016/j.jbi.2020.103418. Google Scholar
[13]
[13] Nguyễn Nhật An và cộng sự. Kỹ thuật voting trong bài toán tách từ tiếng Việt. Tạp chí Nghiên cứu Khoa học và Công nghệ quân sự, 2014 (Đặc san CNTT'14): 54-61. Google Scholar
[14]
[14] Dobbins N.J. Generalizable and scalable multistage biomedical concept normalization leveraging large language models. Research Synthesis Methods, 2025, 16 (3): 479-490. doi: 10.1017/rsm.2025.9. Google Scholar
[15]
[15] Báez P et al. Entity normalization in a Spanish medical corpus using a UMLS-based lexicon: findings and limitations. Lang Resour Eval, 2024, 59 (2): 1013-1041. doi: 10.1007/s10579-024-09755-7. Google Scholar